Agregación de índices de calidad basados en redes en el problema de localización de comercios minoristasUn enfoque desde el aprendizaje supervisado

  1. Virginia Ahedo 1
  2. José Ignacio Santos 1
  3. José Manuel Galán 1
  1. 1 Universidad de Burgos
    info

    Universidad de Burgos

    Burgos, España

    ROR https://ror.org/049da5t36

Revista:
Dirección y organización: Revista de dirección, organización y administración de empresas

ISSN: 1132-175X

Año de publicación: 2024

Número: 83

Páginas: 5-17

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Dirección y organización: Revista de dirección, organización y administración de empresas

Resumen

El problema de la localización en el comercio minorista es un aspecto estratégico fundamental. Suele formalizarse como un problema de optimización multicriterio para elegir la ubicación más adecuada. Un elemento relevante en la selección es la adecuación del ecosistema comercial en las proximidades de la localización. Bajo este criterio, existen diferentes índices primarios basados en redes para formalizar la calidad de las opciones disponibles con respecto al ecosistema circundante. Investigaciones anteriores sugieren que la agregación de los distintos índices mediante un clasificador puede mejorar la calidad de estas métricas. En este artículo, comparamos distintos clasificadores para evaluar su rendimiento. El análisis se ha realizado en un contexto de transferencia de conocimiento y fusión de información utilizando datos de todas las ciudades de Castilla y León, España. Nuestros resultados muestran que el bosque aleatorio y los modelos lineales generalizados obtienen resultados significativamente superiores a otras alternativas

Referencias bibliográficas

  • AHEDO, V., SANTOS, J. I. & GALAN, J. M. (2021). «Knowledge Transfer in Commercial Feature Extraction for the Retail Store Location Problem». IEEE Access, 9, pp. 132967–132979, doi: 10.1109/ ACCESS.2021.3115712.
  • AHEDO, V., SANTOS, J. I. & GALÁN, J. M. (2023). «Combining Quality Indexes in the Retail Location Problem Using Generalized Linear Models». In: Lecture Notes on Data Engineering and Communications Technologies. Springer, pp. 47–52, doi: 10.1007/978-3- 031-27915-7_9
  • BENJAMİNİ, Y. & YEKUTİELİ, D. (2001). «The Control of the False Discovery Rate in Multiple Testing under Dependency». The Annals of Statistics, 29(4), pp. 1165– 1188.
  • BERGSTRA, J. & BENGİO, Y. (2012). «Random Search for Hyper-Parameter Optimization». J. Mach. Learn. Res., 13(null), pp. 281–305.
  • BERMAN, B. R., EVANS, J. R. & CHATTERJEE, P. M. (2018). Retail Management. A Strategic Approach. Pearson.
  • BREİMAN, L. (2001). «Random Forests». Machine Learning, 45(1), pp. 5–32, doi: 10.1023/A:1010933404324.
  • CHEN, Y. M., CHEN, T. Y. & CHEN, L. C. (2020). «On a method for location and mobility analytics using location-based services: a case study of retail store recommendation». Online Information Review, doi: 10.1108/OIR-10-2017-0292.
  • ÇOBAN, V. (2020). «Solar energy plant project selection with AHP decision-making method based on hesitant fuzzy linguistic evaluation». Complex & Intelligent Systems, 6(3), pp. 507–529, doi: 10.1007/s40747-020- 00152-5.
  • FRİEDMAN, J. H. (2001). «Greedy Function Approximation: A Gradient Boosting Machine». Annals of Statistics, 29(5), pp. 1189–1232.
  • GHASEMİAN, A., HOSSEİNMARDİ, H., GALSTYAN, A., AİROLDİ, E. M. & CLAUSET, A. (2020). «Stacking models for nearly optimal link prediction in complex networks». Proceedings of the National Academy of Sciences of the United States of America, 117(38), pp. 23393–23400, doi: 10.1073/pnas.1914950117.
  • GÓMEZ, S., JENSEN, P. & ARENAS, A. (2009). «Analysis of community structure in networks of correlated data». Physical Review E - Statistical, Nonlinear, and Soft Matter Physics, 80(1), p. 16114, doi: 10.1103/ PhysRevE.80.016114.
  • H2O.Aİ (2020). h2o: R Interface for H2O. R package version 3.30.0.6. https://github.com/h2oai/h2o-3.
  • HASTİE, T., TİBSHİRANİ, R. & FRİEDMAN, J. (2009). The Elements of Statistical Learning. 2nd ed. New York, NY: Springer.
  • JAMES, G., WİTTEN, D., HASTİE, T. & TİBSHİRANİ, R. (2013). An Introduction to Statistical Learning. First. Springer Science & Business Media.
  • JENSEN, P. (2006). «Network-based predictions of retail store commercial categories and optimal locations». Physical Review E, 74(3), p. 035101, doi: 10.1103/ PhysRevE.74.035101.
  • JENSEN, P. (2009). «Analyzing the Localization of Retail Stores with Complex Systems Tools». In: Adams, N. M., Robardet, C., Siebes, A., & Boulicaut, J.-F. (eds.) Advances in Intelligent Data Analysis VIII. Springer Berlin Heidelberg, pp. 10–20, doi: 10.1007/978-3-642- 03915-7_2.
  • KARAMSHUK, D., NOULAS, A., SCELLATO, S., NİCOSİA, V. & MASCOLO, C. (2013). «Geo-Spotting: Mining Online Location-based Services for Optimal Retail Store Placement». In: Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, pp. 793–801, doi: 10.1145/2487575.2487616.
  • KONİSHİ, H. (2005). «Concentration of competing retail stores». Journal of Urban Economics, 58(3), pp. 488– 512, doi: 10.1016/j.jue.2005.08.005.
  • KRUGMAN, P. (1991). Geography and Trade. London, UK: MIT Press.
  • KUPERVASSER, O. (2014). «The mysterious optimality of Naive Bayes: Estimation of the probability in the system of “classifiers”». Pattern Recognition and Image Analysis, 24(1), pp. 1–10, doi: 10.1134/ S1054661814010088.
  • LİN, J., OENTARYO, R., LİM, E.-P., VU, C., VU, A. & KWEE, A. (2016). « Where is the Goldmine?: Finding Promising Business Locations through Facebook Data Analytics». In: Proceedings of the 27th ACM Conference on Hypertext and Social Media - HT ’16. New York, New York, USA: ACM Press, pp. 93–102, doi: 10.1145/2914586.2914588.
  • MARTİN, O., AHEDO, V., SANTOS, J. I. & GALAN, J. M. (2022). «Comparative study of classification algorithms for quality assessment of resistance spot welding joints from pre- and post-welding inputs». IEEE Access, pp. 1–1, doi: 10.1109/ACCESS.2022.3142515.
  • MATLOCK, K., DE NİZ, C., RAHMAN, R., GHOSH, S. & PAL, R. (2018). «Investigation of model stacking for drug sensitivity prediction». BMC Bioinformatics, 19(Suppl 3), p. 71, doi: 10.1186/s12859-018-2060-2.
  • RADEV, D. R., Qİ, H., WU, H. & FAN, W. (2002). « Evaluating Web-based Question Answering Systems». In: Proceedings of the Third International Conference on Language Resources and Evaluation (LREC’02). Las Palmas, Spain: European Language Resources Association.
  • SÁNCHEZ-SAİZ, R.M., GALÁN, J. M. & SANTOS, J. I. (2014). «Localization Based on Business Interactions Through a Simulated Annealing Algorithm». In: Managing Complexity. Springer, pp. 325–331, doi: 10.1007/978-3-319-04705-8_38.
  • SÁNCHEZ-SAİZ, R. M., AHEDO, V., SANTOS, J. I., GÓMEZ, S. & GALÁN, J. M. (2021). «Dataset of the retailing location networks in the cities of Castile-Leon, Madrid and Barcelona», doi: 10.36443/10259/5585.
  • SÁNCHEZ-SAİZ, R. M., AHEDO, V., SANTOS, J. I., GÓMEZ, S. & GALÁN, J. M. (2022). «Identification of robust retailing location patterns with complex network approaches». Complex & Intelligent Systems, 8(1), pp. 83–106, doi: 10.1007/s40747-021-00335-8.
  • SHAİKH, S. A., MEMON, M. A., PROKOP, M. & KİM, K. S. (2020). «An AHP/TOPSIS-based approach for an optimal site selection of a commercial opening utilizing geospatial data». Proceedings - 2020 IEEE International Conference on Big Data and Smart Computing, BigComp 2020, pp. 295–302, doi: 10.1109/ BigComp48618.2020.00-58.
  • TİBSHİRANİ, R. (1996). «Regression Selection and Shrinkage via the Lasso». Journal of the Royal Statistical Society: Series B (Statistical Methodology), 58(1), pp. 267–288, doi: 10.2307/2346178.
  • VOORHEES, E. M. (1999). «TREC-8 Question Answering Track Report». In: Proceedings of the 8th text retrieval conference. National Institute of Standards and Technology, pp. 77–82.
  • WOLPERT, D. (1992). «Stacked Generalization». Neural Networks, 5, pp. 241–259.
  • WOLPERT, D. H. (2002). «The Supervised Learning NoFree-Lunch Theorems». In: Roy, R., Köppen, M., Ovaska, S., Furuhashi, T., & Hoffman, F. (eds.) Soft Computing and Industry. London: Springer London, pp. 25–42.
  • XU, M., WANG, T., WU, Z., ZHOU, J., Lİ, J. & WU, H. (2016). «Store Location Selection via Mining Search Query Logs of Baidu Maps», doi: 10.48550/ arXiv.1606.03662.
  • ZENTES, J., MORSCHETT, D. & SCHRAMM-KLEİN, H. (2012). Strategic Retail Management. Wiesbaden: Gabler Verlag.
  • ZOU, H. & HASTİE, T. (2005). «Regularization and variable selection via the elastic net». Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2), pp. 301–320, doi: 10.1111/j.1467- 9868.2005.00503.x.
Fuente de los datos: Dialnet